前言¶

DSH 的插件体系里，文本输出是基本能力，但「听」仍然是空白。开发者跑本地智能体时，常常需要离开屏幕去确认结果，或者边做别的事边听任务进展。dsh-speak 上游已经做了「把回答念出来」，但它默认只处理最终文本；一旦把中间过程也开起来，模型在工具调用间隙吐出的那些碎片会被一条条切开念，听感很差。

下面介绍的 m0yun/dsh-speak-plus 就是针对这个问题的增强分支。维护者 M0Yun，属于 DSH 客户端类插件，GitHub 仓库地址见文末。它定位是 dsh-speak 1.8.4 的增强分支，上游的朗读、队列、设置页、WebSocket 状态同步全部保留，另外补了中间过程合并、审批/提问插队、新内容换手、Alt + S 停止等行为。所有新增行为默认关闭或取保守值，不配置时与上游一致。

这是什么¶

一句话定位：给 DSH 加上中文语音播报，并且把中间过程按段合并后朗读，而不是逐句切碎地念。

• 仓库：https://github.com/M0Yun/dsh-speak-plus
• 目录页：https://www.skillhub.cn/plugins/M0Yun/dsh-speak-plus
• 上游：Alan2Z/dsh-speak（1.8.4）
• 许可证：MIT，继承上游 LICENSE
• 维护者：M0Yun
• 分类：客户端

它解决的核心问题是：开启 queueAllMessages 后，每条 assistant 消息立刻独立入队朗读，模型在工具调用之间往往只吐一两句话，于是听到的是「收到——」（被切）、「那就你自己重启。」（被切）、「6 个场景全过。」（被切）这样的碎片。本分支把连续到达的正文先攒成一段再念，同时规定什么时候该打断、什么时候不该。

核心功能¶

下表按 README 的对照列出，只写已核实的能力。

新增的五个能力是相对上游的增量，README 里逐项给了键名和默认值，见下方配置项一节。

安装与启用¶

插件以 DSH bundle 形式挂载，在 profile 的 cordis.patch.yml 中配置。下面这段是 README 给出的示例，路径里的 <你> 需要替换成实际用户名：

- id: dsh-speak
  name: dsh-speak-plus
  config:
    queueAllMessages: true
    interruptOnNewMessage: true
    interimMode: queue
    interimMergeMs: 800
    interimMaxBacklog: 180
    engine: 'C:\Users\<你>\.dsh\profiles\desktop\data\dsh-speak-edge\speak-edge.ps1'  # 可选：自定义引擎
    rate: 8

这一步在做什么：用 id: dsh-speak 声明挂载点与上游保持一致，用 name: dsh-speak-plus 指向本分支；config 里的键决定朗读行为，engine 是可选的自定义引擎脚本路径。

平台层面，Windows 用系统 SAPI 嗓音（装了 NaturalVoiceSAPIAdapter 可用自然音色），macOS 用系统 say。引擎脚本与上游一致（engine/speak.ps1、engine/speak.sh），也可以用 engine 指向自己的脚本。

配置项¶

新增（本分支）¶

继承自上游（常用）¶

完整列表见上游文档 docs/UPSTREAM-README.zh-CN.md。

典型用法¶

先看一段可复现的最小配置。只想合并中间过程、不做打断，保留默认即可：

- id: dsh-speak
  name: dsh-speak-plus
  config:
    queueAllMessages: true
    interruptOnNewMessage: true

这一段的意思是：interruptOnNewMessage 打开，启用合并与打断逻辑；interruptOnNewMessage 不打开时，所有新增行为保持上游原样。

快捷键统一为 Alt + S：立刻停止播报，同时清空待播队列和还没播出的缓冲片段。README 特别说明，DSH 核心的「快捷键」列表只列核心自己的动作，没有给插件预留注册入口，所以这个键位由插件自己监听，不会出现在那个列表里，输入框有焦点时同样生效。

行为上要明确两点，做集成或排查时容易踩：

1. 回合内中间过程按 interimMergeMs 合并成段，段与段排队，前一段念完再念下一段；待播积压超过 interimMaxBacklog 字时丢弃最旧的。
2. 换手规则：你发消息时不掐断当前朗读；新回合第一段内容要播时，才掐掉上一轮还在念的正文；正在念审批 / 提问时，新正文排队等待，不抢占。

另外，某些 DSH 构建里插件无法加载设置 schema，此时会直接读本 profile 的 cordis.patch.yml（按修改时间缓存，只取已知键），与运行时配置合并，运行时优先。挂载时会打一行 生效配置: … 便于排查。

适用场景与注意¶

适合这几类人：用 Windows SAPI 或 macOS say 做本地念读、需要靠听来确认任务进展的开发者；已经在用上游 dsh-speak、但嫌中间过程被切碎的用户；以及想给审批和提问加声音提示的团队。它不适合需要商业级 TTS 音色、或对播报时延有硬性要求的场景——它调用的是系统自带引擎。

几点限制必须写清楚：

1. 插件以当前 DSH 进程的权限运行，安装前应先检查源码与许可证（MIT），确认 cordis.patch.yml 的内容符合自己的 profile 约定。
2. 设置页依赖 Config schema；构建失败时设置页可能不显示，此时改 YAML 即可。
3. 新回合内容会掐掉其他会话正在播的正文（同一套扬声器），不区分来源。
4. 直接改 node_modules 里的插件文件会在重装 / 升级时被覆盖。

按目录页信息，该插件分类为客户端，属于社区生态项目。需要强调一点：社区目录是独立站点，与 DeepSeek / 幻方无官方从属关系，这只是聚合展示。

结尾¶

dsh-speak-plus 的价值在于把「中间过程认不清」这个上游遗留问题处理掉了：碎片合并成段、按序读完，审批和提问插队保护，Alt + S 一键停止，新增行为默认关闭。对已经在用 dsh-speak 的人来说，改动集中在一个 cordis.patch.yml，风险集中在配置而非代码。

• 目录页：https://www.skillhub.cn/plugins/M0Yun/dsh-speak-plus
• GitHub：https://github.com/M0Yun/dsh-speak-plus